### 使用Python Pandas和Openpyxl根据行列平均值填充Excel中的缺失值 以下方法展示了如何利用 `pandas` 和 `openpyxl` 来实现基于行或列的平均值填充 Excel 文件中的缺失值。 #### 1. 安装必要的库 确保已经安装了所需的库： ```bash pip install pandas openpyxl ``` #### 2. 根据行平均值填充缺失值 可以通过计算每行的平均值来填充该行中的 NaN 值。以下是具体代码示例： ```python import pandas as pd # 加载Excel文件 file_path = 'your_file.xlsx' # 替换为实际路径 df = pd.read_excel(file_path) # 计算每行的平均值（忽略NaN），并用它填充该行的NaN值 row_mean = df.mean(axis=1) # 每行的平均值 df_filled_by_row = df.fillna(row_mean, axis=0) # 将结果保存到新文件 output_file_path = 'filled_by_row_avg.xlsx' df_filled_by_row.to_excel(output_file_path, index=False) ``` 这段代码首先读取 Excel 文件，接着计算每行的平均值，并将其用于填充同一行内的所有 NaN 值[^1]。 #### 3. 根据列平均值填充缺失值 同样也可以按照列的平均值来填补缺失值： ```python # 计算每列的平均值（忽略NaN），并用它填充该列的NaN值 column_mean = df.mean(axis=0) # 每列的平均值 df_filled_by_column = df.fillna(column_mean) # 将结果保存到另一个新文件 output_file_path_columns = 'filled_by_column_avg.xlsx' df_filled_by_column.to_excel(output_file_path_columns, index=False) ``` 这里使用的是 `.mean(axis=0)` 方法来获取每列的平均值，并通过 `.fillna()` 方法将这些平均值应用到相应的列中以替代 NaN 值[^2]。 #### 4. 同时考虑行与列的平均值 有时可能希望优先按照行平均值填充，然后再对于仍然存在的任何剩余 NaNs 使用列平均值进行补充填充： ```python # 首先尝试用行平均值填充 df_temp = df.fillna(row_mean, axis=0) # 对于剩下的NaN再用列平均值填充 final_df = df_temp.fillna(column_mean) # 存储最终的结果 output_combined_path = 'combined_fill_method.xlsx' final_df.to_excel(output_combined_path, index=False) ``` 这种方法结合了两种策略的优点，在某些情况下能提供更合理的数据补全方案[^3]。 --- ### 注意事项 - 当某一行或者某一列完全由 NaN 组成时，由于缺乏有效的数值参与运算，因此无法得出有意义的平均值，这种情形下的相应位置会继续保持为空。 - 上述操作默认只针对数值类型的字段执行；如果表格里含有非数值类型的数据项，则需提前做好预处理工作以免干扰正常流程。 ---